aitoolkit 다운로드 aitoolkit 소스 코드 다운로드

AI 툴킷

AI 툴킷은 게임 NPC의 두뇌를 구축하기위한 도구를 제공하는 헤더 전용 C ++ 라이브러리입니다.

그것은 제공합니다 :

유한 상태 기계
행동 나무
유틸리티 ai
목표 지향적 행동 계획

왜이 프로젝트인가? 글쎄, 나는 그것에 대해 썼다.

설치

이 저장소의 include 폴더를 포함 경로에 추가하십시오.

또는 하위 모듈로 추가하십시오.

 $ git submodule add https://github.com/linkdd/aitoolkit.git
$ g++ -std=c++23 -Iaitoolkit/include main.cpp -o mygame

NB : 이 라이브러리는 C ++ 20과 호환됩니다.

또는 Shipp을 사용하여 종속성에 추가하십시오.

{
  "name" : " myproject " ,
  "version" : " 0.1.0 " ,
  "dependencies" : [
    {
      "name" : " aitoolkit " ,
      "url" : " https://github.com/linkdd/aitoolkit.git " ,
      "version" : " v0.5.1 "
    }
  ]
}

용법

유한 상태 기계

먼저 헤더 포함 :

# include < aitoolkit/fsm.hpp >

using namespace aitoolkit ::fsm ;

그런 다음 칠판 유형을 만듭니다.

 struct blackboard_type {
  // ...
};

그런 다음 각 주에 대한 상태 유형을 만듭니다.

 class state_dummy final : public state<blackboard_type> {
  public:
    virtual void enter (blackboard_type& blackboard) override {
      // ...
    }

    virtual void exit (blackboard_type& blackboard) override {
      // ...
    }

    virtual void pause (blackboard_type& blackboard) override {
      // ...
    }

    virtual void resume (blackboard_type& blackboard) override {
      // ...
    }

    virtual void update (blackboard_type& blackboard) override {
      // ...
    }
};

간단한 상태 기계 만들기 :

 auto simple_bb = blackboard_type{};
auto simple_fsm = simple_machine<blackboard_type>();

simple_fsm.set_state(state_dummy{}, simple_bb);
simple_fsm.pause(simple_bb);
simple_fsm.resume(simple_bb);
simple_fsm.update(simple_bb);

또는 스택 상태 머신으로 :

 auto stack_bb = blackboard_type{};
auto stack_fsm = stack_machine<blackboard_type>{};

stack_fsm.push_state(state_dummy{}, stack_bb);
stack_fsm.push_state(state_dummy{}, stack_bb);

stack_fsm.update(stack_bb);

stack_fsm.pop_state(stack_bb);
stack_fsm.pop_state(stack_bb);

행동 나무

먼저 헤더 포함 :

# include < aitoolkit/behtree.hpp >

using namespace aitoolkit ::bt ;

그런 다음 칠판 유형을 만듭니다.

 struct blackboard_type {
  // ...
};

그런 다음 나무를 만드십시오.

 auto tree = seq<blackboard_type>(
  node_list<blackboard_type>(
    check<blackboard_type>([]( const blackboard_type& bb) {
      // check some condition
      return true ;
    }),
    task<blackboard_type>([](blackboard_type& bb) {
      // perform some action
      return execution_state::success;
    })
  )
);

마지막으로 평가하십시오.

 auto blackboard = blackboard_type{
  // ...
};

auto state = tree.evaluate(blackboard);

For more informations, consult the documentation.

Utility AI

First, include the header file:

# include < aitoolkit/utility.hpp >

using namespace aitoolkit ::utility ;

Then, create a blackboard type:

 struct blackboard_type {
  int food{ 0 };
  int wood{ 0 };
  int stone{ 0 };
  int gold{ 0 };
};

다음으로 수행 할 수있는 각 조치에 대한 클래스를 만듭니다.

 class collect_food final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return 50 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. food += 1 ;
    }
};

class collect_wood final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return 150 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. wood += 1 ;
    }
};

class collect_stone final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return - 10 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. stone += 1 ;
    }
};

class collect_gold final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return 75 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. gold += 1 ;
    }
};

마지막으로 평가자를 만들고 실행하십시오.

 auto evaluator = evaluator<blackboard_type>(
  action_list<blackboard_type>(
    collect_food{},
    collect_wood{},
    collect_stone{},
    collect_gold{}
  )
);

auto blackboard = blackboard_type{};
evaluator.run(blackboard);

목표 지향적 행동 계획

먼저 헤더 파일 포함 :

# include < aitoolkit/goap.hpp >

using namespace aitoolkit ::goap ;

그런 다음 플래너의 상태를 유지하는 칠판 클래스를 만듭니다.

 struct blackboard_type {
  bool has_axe{ false };
  int wood{ 0 };
};

NB : 칠판은 비교할 수 있고 ( a == b ) 해시 가능해야합니다.

다음으로 수행 할 수있는 각 조치에 대한 클래스를 만듭니다.

 class get_axe final : public action<blackboard_type> {
  public:
    virtual float cost ( const blackboard_type& blackboard) const override {
      return 1 . 0f ;
    }

    virtual bool check_preconditions ( const blackboard_type& blackboard) const override {
      return !blackboard. has_axe ;
    }

    virtual void apply_effects (blackboard_type& blackboard, bool dry_run) const override {
      blackboard. has_axe = true ;
    }
};

class chop_tree final : public action<blackboard_type> {
  public:
    virtual float cost ( const blackboard_type& blackboard) const override {
      return 1 . 0f ;
    }

    virtual bool check_preconditions ( const blackboard_type& blackboard) const override {
      return blackboard. has_axe ;
    }

    virtual void apply_effects (blackboard_type& blackboard, bool dry_run) const override {
      blackboard. wood += 1 ;
    }
};

마지막으로 계획을 세우고 실행하십시오.

 auto initial = blackboard_type{};
auto goal = blackboard_type{
  . has_axe = true ,
  . wood = 3
};

auto p = planner<blackboard_type>(
  action_list<blackboard_type>(
    get_axe{},
    chop_tree{}
  ),
  initial,
  goal
);

auto blackboard = initial;
while (p) {
  p. run_next (blackboard); // will mutate the blackboard
}